我有一个制表符分隔的文本文件,大约 3K 行长。
我想计算其中出现的数据频率(10,000 个范围)。
输入.txt
Price
500
1500
10001
15000
17000
25000
33000
39000
:
:
8000000
输出.txt
Pricerange pricerangecount
0-10000 2
10000-20000 3
20000-30000 1
30000-40000 2
:
:
答案1
awk 'BEGIN{print "Pricerange\tpricerangecount"}
NR>1 {cur=int($0/10000); A[cur]+=1; if (cur>m) m=cur; }
END {for(i=0;i<=m;i++) printf("%d-%d:\t%d\n",i*10000, (i+1)*10000, A[i])}'
答案2
我一般使用gsl-histogram
来自GNU 科学图书馆包裹。正如您的情况一样(没有漂亮的打印,以前的解决方案都可以,我已经对它们投了赞成票):
tail -n+2 Input.txt | gsl-histogram 0 40000 4
答案3
珀尔:
perl -ne'$h{int$_/10000}++;END{printf"%d0000-%d0000 %d\n",$_,$_+1,$h{$_}for sort{$a<=>$b}keys%h}'
扩展:
while(<>) { #read each line (-n)
$h{int $_/10000}++; #count buckets
}
for (sort {$a<=>$b} keys %h) { #sort numerically
printf "%d0000-%d0000 %d\n", $_, $_+1, $h{$_};
}
答案4
虽然 bash 不是一个好的解决方案,但根据评论,这里有另一个解决方案
N=10000
while read n;do [[ $n =~ ^[0-9]*$ ]]&&((a[n/N]++));done
for i in ${!a[*]};do echo $((i*N))-$(((i+1)*N-1)) $((a[i]));done
它在小文件上会更快,因为没有产生新进程的开销,但在大文件上效率较低。